基于Hive的日志分析系统的实现与优化
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义及现状 | 第9-11页 |
| 1.3 论文主要工作 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 关键技术介绍 | 第13-24页 |
| 2.1 Hadoop简介 | 第13-15页 |
| 2.2 分布式文件系统 | 第15-17页 |
| 2.2.1 HDFS系统架构 | 第15-17页 |
| 2.2.2 HDFS读写过程 | 第17页 |
| 2.3 分布式计算框架 | 第17-21页 |
| 2.3.1 MapReduce | 第18-20页 |
| 2.3.2 Spark | 第20-21页 |
| 2.4 数据仓库Hive | 第21-22页 |
| 2.5 常见大数据处理系统 | 第22-23页 |
| 本章小结 | 第23-24页 |
| 第三章 基于Hive的日志分析系统的分析与实现 | 第24-38页 |
| 3.1 需求分析 | 第24-30页 |
| 3.1.1 系统框架图 | 第26-27页 |
| 3.1.2 各模块功能分析 | 第27-30页 |
| 3.2 数据特点及任务调度 | 第30-33页 |
| 3.2.1 数据特点 | 第30-32页 |
| 3.2.2 任务调度实现 | 第32-33页 |
| 3.3 数据处理过程 | 第33-35页 |
| 3.3.1 ETL处理过程 | 第34页 |
| 3.3.2 数据分析的实现 | 第34-35页 |
| 3.4 待改进问题分析 | 第35-37页 |
| 本章小结 | 第37-38页 |
| 第四章 基于Hive的日志分析系统优化 | 第38-48页 |
| 4.1 数据集成层优化 | 第38-41页 |
| 4.1.1 日志集成优化 | 第39页 |
| 4.1.2 表数据集成优化 | 第39-41页 |
| 4.2 数据存储层优化 | 第41-43页 |
| 4.2.1 数据存储优化 | 第41-42页 |
| 4.2.2 Alluxio | 第42-43页 |
| 4.3 数据处理层优化 | 第43-47页 |
| 4.3.1 HiveQL语句优化 | 第43-44页 |
| 4.3.2 定时任务优化策略 | 第44-46页 |
| 4.3.3 引入spark计算框架 | 第46-47页 |
| 本章小结 | 第47-48页 |
| 第五章 系统分析测试与总结 | 第48-59页 |
| 5.1 系统测试 | 第48-53页 |
| 5.1.1 测试环境信息 | 第48页 |
| 5.1.2 环境搭建 | 第48-52页 |
| 5.1.3 数据部署 | 第52-53页 |
| 5.2 测试与结果分析 | 第53-57页 |
| 5.2.1 测试设计 | 第53页 |
| 5.2.2 结果分析 | 第53-57页 |
| 5.3 总结与展望 | 第57-58页 |
| 5.3.1 论文总结 | 第57页 |
| 5.3.2 未来展望 | 第57-58页 |
| 本章小结 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
